matlab線性神經(jīng)網(wǎng)絡怎么用

本篇內(nèi)容介紹了“matlab線性神經(jīng)網(wǎng)絡怎么用”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠?qū)W有所成！

成都創(chuàng)新互聯(lián)長期為成百上千客戶提供的網(wǎng)站建設服務，團隊從業(yè)經(jīng)驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為鐵東企業(yè)提供專業(yè)的網(wǎng)站設計、網(wǎng)站制作，鐵東網(wǎng)站改版等技術服務。擁有十多年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

線性神經(jīng)網(wǎng)絡是最簡單的一種神經(jīng)網(wǎng)絡，可以由一個或者多個線性神經(jīng)元組成。

線性神經(jīng)網(wǎng)絡與感知器的區(qū)別在于：線性神經(jīng)網(wǎng)絡的神經(jīng)元傳遞函數(shù)是線性函數(shù)，因此線性神經(jīng)網(wǎng)絡的輸出可以取任意值，而感知器的輸出只可能是0或者1。

線性神經(jīng)網(wǎng)絡在收斂速度與精度上都比感知器要高，但是同感知器一樣，線性神經(jīng)網(wǎng)絡只能解決線性分離問題。

感知器的每一個輸入都有一個輸出與之相對應。參照輸出向量與期望輸出向量的差別，調(diào)整網(wǎng)絡的權(quán)值跟閾值，使得訓練誤差的平方和最小或者小于一定值，這種學習規(guī)則就是Widrow-Hoff學習規(guī)則，稱為LMS(Least Mean Square)算法。

%% 定義變量

P=[0,0,1,1;0,1,0,1];

% 輸入向量

d=[0,0,0,1];

% 期望輸出向量

lr=maxlinlr(P,'bias');

% 根據(jù)輸入矩陣求解最大學習率

%% 線性網(wǎng)絡實現(xiàn)

net1=linearlayer(0,lr);

% 創(chuàng)建線性網(wǎng)絡

net1=train(net1,P,d);

% 線性網(wǎng)絡訓練

%% 感知器實現(xiàn)

net2=newp([-1,1;-1,1],1,'hardlim');

% 創(chuàng)建感知器

net2=train(net2,P,d);

% 感知器學習

%% 顯示

plot([0,0,1],[0,1,0],'o');

% 圖形窗口輸出

hold on;

plot(1,1,'d');

x=-2:.2:2;

y1=1/2/w1(2)-w1(1)/w1(2)*x-w1(3)/w1(2);

% 1/2是區(qū)分0和1的閾值

plot(x,y1,'-');

y2=-w2(1)/w2(2)*x-w2(3)/w2(2);

% hardlim函數(shù)以0為閾值，分別輸出0或1

plot(x,y2,'--');

axis([-0.5,2,-0.5,2])

xlabel('x');ylabel('ylabel');

title('線性神經(jīng)網(wǎng)絡與感知器用于求解與邏輯')

legend('0','1','線性神經(jīng)網(wǎng)絡分類面','感知器分類面');

“matlab線性神經(jīng)網(wǎng)絡怎么用”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！

網(wǎng)站標題：matlab線性神經(jīng)網(wǎng)絡怎么用
網(wǎng)頁地址：http://bm7419.com/article42/pceoec.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供商城網(wǎng)站、網(wǎng)站制作、企業(yè)網(wǎng)站制作、網(wǎng)站設計公司、微信公眾號、關鍵詞優(yōu)化

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容